在Python中，可以使用pandas库来进行数据重采样。下面是一个示例代码，用于解决不同年份的Python重采样问题：

import pandas as pd

# 创建一个示例数据集
data = {'date': ['2019-01-01', '2019-01-02', '2019-01-03', '2020-01-01', '2020-01-02', '2020-01-03'],
        'value': [1, 2, 3, 4, 5, 6]}
df = pd.DataFrame(data)

# 将'date'列转换为日期类型
df['date'] = pd.to_datetime(df['date'])

# 设置'date'列为索引
df.set_index('date', inplace=True)

# 按年份重采样，并取每年的最大值
df_resampled = df.resample('Y').max()

print(df_resampled)

输出结果：

            value
date             
2019-12-31      3
2020-12-31      6

在示例代码中，我们首先创建了一个示例数据集，其中包含了不同年份的日期和对应的值。然后，我们使用pd.to_datetime()函数将'date'列转换为日期类型，并使用set_index()函数将'date'列设置为索引。接下来，我们使用resample()函数按年份重采样数据，并使用max()函数取每年的最大值。最后，我们打印出重采样后的结果。

你可以根据自己的需求来修改重采样的频率和聚合函数。例如，如果你想按月份进行重采样，可以将resample()函数的参数改为'M'。如果你想取每年的平均值，可以将max()函数改为mean()。